양자역학은 입자들이 그들의 파동 방정식을 통해 표현되는 확률밀도함수를 통해 설명될 수 있다는 생각에 기초한다.
인공지능(AI)은 인간처럼 기계를 지능적으로 만드는 것을 목표로 한다. 대표적인 AI 기술로 기계가 데이터로부터 배울 수 있다는 생각에 기반을 둔 머신러닝이 있다. 머신러닝은 통계와 확률을 사용한다.
해외매체 비즈니스월드(BW)는 "그것들의 비교적 공통적인 기반에도 불구하고, 두 분야의 연구는 이제서야 서로에게 영향을 주기 시작했다"고 29일 보도했다. 양자역학으로 AI 모델 학습에, AI 모델이 양자역학 발전에 각각 서로 큰 도움을 줄 수 있다는 것.
BW는 "양자역학에 기반을 둔 많은 모델들이 기존의 모델들보다 머신러닝 학습 모델에 필요한 속도를 높이거나 데이터를 줄인다"며 양자역학 도입으로 머신러닝 성능이 크게 올랐다고 설명했다.
BW에 따르면, 양자 고속 푸리에 변환(QFFT)을 통해 컨볼루션 신경망(CNN)에 필요한 연산력을 줄일 수 있다.
머신러닝은 이미지나 음성 등을 생성하거나 수정하는 애플리케이션에 사용된다. 생성 프로세스는 기본 교육 데이터의 확률 분포를 탐지해 사용한다.
이런 상황에 양자역학을 통해 확률 분포를 더 빨리 학습하고 데이터를 더 빨리 생성할 수 있다. 또한 탐지 모델의 부족한 데이터세트를 늘리는 데 사용할 수 있다.
BW는 "그러나 여전히 (양자역학) 구현에 문제가 있다"고 지적했다. 사람이 읽을 수 있는 고전적인 데이터를 양자 시스템에 입력하거나, 양자 시스템의 결과를 고전적 데이터로 변환해야 하는 데 소모되는 비용이 많이 들기 때문이다.
양자역학이 머신러닝 성능 개선에 도움을 주기도 하지만, 반대로 머신러닝 모델이 양자 시스템을 연구하고 예측하기 위해 사용되기도 한다. 양자역학의 경우 기하급수적인 복잡한 계산이 필요한데, 여기에 머신러닝이나 딥러닝이 사용된다는 것.
예를 들어 양자 상호작용에 사용되는 텐서 기반 신경망으로 Schnet이 사용되고 있다. 또 다른 머신러닝 모델로 양자역학에서 원자간 전위 에너지 표면, 분자력, 분극화, 아원자 밀도 등을 예측하는데 사용되고 있다.
최근 구글, IBM, 인텔 등이 특정한 작업을 할 수 있는 능력을 가진 양자컴퓨터를 시연했다.
이들의 궁극적인 목적은 고전적인 컴퓨터를 능가하는 성능을 지닌 범용 양자 컴퓨터를 만드는 것이다. 바로 양자컴퓨터가 양자 우위를 차지하는 것.
BW는 "아직은 50 큐비트로 일어날 수 있었지만 양자 컴퓨터에 내재된 오류를 수용하기 위해 이 양은 늘어야 한다"며 "그들은 양자 현상을 연구하는 데 사용되는 모델을 포함해 머신러닝 모델을 훈련하는 데 필요한 시간을 기하급수적으로 줄여 두 연구 분야를 더욱 가깝게 할 것"이라고 설명했다.
AI타임스 양대규 기자 yangdae@aitimes.com
